问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MA5金叉MA10以及上市大于指定天数的股票。通过技术面和市场状况指标来筛选股票。
选股逻辑分析
本选股策略既考虑了技术面指标也考虑了市场状况指标。振幅大于1、周线MA5金叉MA10属于技术面指标，可以筛选出技术面相对良好的股票。上市天数能够反映公司的历史表现和潜力。本选股逻辑综合考虑了技术面和市场状况两个方面，可以选择出相对优秀且具有潜在上涨空间的股票。
有何风险？
该选股策略选股条件相对固定，无法适应市场状况的变化。而且股票选取过程中暂时无法考虑到公司的基本面情况，同时上市时间也不能完全反映公司的质量。
如何优化？
可以在上市天数的基础上，加入更多公司基本面的指标，如净利润增长率、ROE等，来更好地评估公司的价值。可以运用机器学习的方法，通过模型筛选股票，以更合理、更灵活地选择股票。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10以及上市天数大于指定天数的股票。在实际使用中，可以根据市场情况和自己的实际需求对选股逻辑进行调整和优化。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 上市天数公式：
- days = TRADE_DAYS(end_date, LISTDATE)
- 满足条件公式：
- condition = (amplitude > 0.01) & (ma5 > ma10) & (days > threshold)
python代码参考
import tushare as ts
import datetime
PRO = ts.pro_api('your_token')
def select_stocks(n):
selected_stocks = []
threshold = 365
end_date = datetime.datetime.now().strftime('%Y%m%d')
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area,list_date')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date=end_date, fields='ts_code,trade_date,open,high,low,close,amount,pre_close,vol')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['pre_close']
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
list_date = PRO.stock_basic(ts_code=code, fields='list_date').iloc[0][0]
days = (datetime.datetime.strptime(end_date, '%Y%m%d') - datetime.datetime.strptime(list_date, '%Y%m%d')).days
if amplitude > 0.01 and ma5[-1] > ma10[-1] and days > threshold:
selected_stocks.append(code)
return selected_stocks[:n]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
